-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathDataFrame2.py
206 lines (161 loc) · 9 KB
/
DataFrame2.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
# -*- coding: utf-8 -*-
import pandas as pd
import glob
import pyreadr
from haversine import haversine, Unit
from datetime import datetime, timedelta
conmov=30 #condicion de movimiento
Nombre_Dia=[] #arreglo que guarda el nombre del dia de la semana de cada fila
acumulador1=0 #acumulador del tiempo acumulado
acumulador2=1 #acumulador de las etiquetas de viaje
tiempo=60*60 #minutos en segundos
#tabla_variables=pd.DataFrame()
directorio_entrada="C:/Users/User/Desktop/TesisPrincipal/Marcos/Pruebas/"
directorio_salida="C:/Users/User/Desktop/TesisPrincipal/Marcos/Pruebas/"
#directorio_entrada="/home/milton.moncayo/SmartGPS/timeline/"
#directorio_salida="/home/milton.moncayo/SmartGPS/data/"
archivo_salida="DataSmart.dat"
for k in range(0,len(glob.glob(directorio_entrada+"*.RData")) ):
archivo="tld"+str(k)+".RData"
enlace=directorio_entrada + archivo
print("sigue---> " +str(archivo) )
#Pongo try except.. xq existen archivos que dan error al momento de leerlos
try:
original = pyreadr.read_r(enlace)
except:
print("archivo dañado---> " +str(archivo) )
continue
print("Tamaño del archivo: "+str(len(original['dataSource'])))
#Inicializa dataframe y comprueba si ya existe
if('tabla_final_uce' not in globals() and 'tabla_final_todo' not in globals() ):
tabla_final_uce=pd.DataFrame()
tabla_final_uce=pd.DataFrame(columns=[])
#Comprueba numero de columnas del dataframe original y lo concatena a un nuevo dataframe
if((original['dataSource'].shape[1])<13):
continue
else:
original['dataSource']['file']=archivo
separador = original['dataSource']['dateTimeLine'].astype(str).str.split(".", n = 1, expand = True)
original['dataSource']['Fecha']=separador[0]
separador = original['dataSource']['dateTimeLine'].astype(str).str.split(" ", n = 1, expand = True)
original['dataSource']['Fecha2']=separador[0]
original['dataSource']= original['dataSource'].drop( original['dataSource'][((original['dataSource']['latitude']>=-0.19425) | (original['dataSource']['latitude'] <= -0.20341))|(( original['dataSource']['longitude']>=-78.49805 )|(original['dataSource']['longitude'] <= -78.51377))].index)
original['dataSource'] = original['dataSource'].reset_index()
#######################################################################################
###########################################################################################
#Colocar Etiqueta de movimiento (Verificar si esta cerca o no del mismo punto)
distancias=[] #arreglo para guardar distancias en metros
movimientos=[] #arreglo para guardar distancias validada por la constante conmov
for i in range(0,len(original['dataSource'])):
#en la primera iteracion guardo directamente los datos
if(i==0):
distancia_haversine=0
distancias.append(distancia_haversine)
movimientos.append(0)
else:
punto1 = (original['dataSource']['latitude'][i-1], original['dataSource']['longitude'][i-1]) # (lat, lon)
punto2 = (original['dataSource']['latitude'][i], original['dataSource']['longitude'][i])
distancia_haversine= haversine(punto1, punto2,unit=Unit.METERS) #distancia con formula de harservine
distancias.append(distancia_haversine)
if(distancia_haversine<=conmov): #condicion para etiquetar si esta en movimiento o no
movimientos.append(0) # no se movio =0
else:
movimientos.append(1) # se movio=1
#se anexa los resultados al dataframe
original['dataSource']["DistMetros"]= distancias
original['dataSource']["Movimiento"]= movimientos
##################################################################################################
##################################################################################################
#Poner etiquetas de viajes
acumulador2=1 #Reinicio contador de viajes para cada nuevo archivo
etiquetas=[] #arreglo para guardar la etiqueta de cada viaje
acumulador3=0 #acumulador del campo Ruta
reco=[] #Arreglo para guardar el seguimiento de cada punto generado por acumulador 3
for i in range(0,len(original['dataSource'])):
#en la primera iteracion guardo directamente los datos
if (i==0):
etiquetas.append(acumulador2)
reco.append(acumulador3)
else:
#fecha3 y fecha4 son las fecha en formato año-mes-dia para comparar fechas
fecha3 = datetime.strptime(original['dataSource']["Fecha2"][i-1], '%Y-%m-%d')
fecha4 = datetime.strptime(original['dataSource']["Fecha2"][i], '%Y-%m-%d')
if(fecha3!=fecha4):
#Los contadores se reinician en cada nuevo dia
acumulador1=0
acumulador2=1
acumulador3=0
reco.append(acumulador3)
etiquetas.append(acumulador2)
#Cuando Movimiento es 0 se acumula el tiempo en el acumulador1
elif(original['dataSource']["Movimiento"][i]==0):
#fecha1 y fecha2 son redimensionados en formato año-mes-dia Hora-min-seg
fecha1 = datetime.strptime(original['dataSource']["Fecha"][i-1], '%Y-%m-%d %H:%M:%S')
fecha2 = datetime.strptime(original['dataSource']["Fecha"][i], '%Y-%m-%d %H:%M:%S')
#Para luego ser restados entre si y el resultado es transformado en segundos
Total=(fecha2-fecha1)/timedelta(seconds=1)
acumulador1=acumulador1+Total
reco.append(acumulador3)
etiquetas.append(acumulador2)
#Cuando el tiempo acumulador es mayor o igual que la constante tiempo y Movimiento es 1 se
#concluye el viaje y se inicia uno nuevo aumentando en 1 el acumulador2 y reiniciando
#Acumulador 1 y 3
elif(original['dataSource']["Movimiento"][i]==1 and acumulador1 >= tiempo):
acumulador1=0
acumulador2=acumulador2+1
acumulador3=0
reco.append(acumulador3)
etiquetas.append(acumulador2)
#Si Movimiento es 1 se mantiene acumulador 2 y se aumenta acumulador 3
#Acumulador 1 se mantiene en 0
else:
acumulador1=0
acumulador3=acumulador3+1
reco.append(acumulador3)
etiquetas.append(acumulador2)
#se anexa los resultados al dataframe
original['dataSource']["Viaje"]= etiquetas
original['dataSource']["Ruta"]= reco
original['dataSource'].drop(columns =["index","Fecha2"], inplace = True)
tabla_final_uce= tabla_final_uce.append([ original['dataSource']], ignore_index=True)
#Separa fecha y hora
separador = tabla_final_uce['dateTimeLine'].astype(str).str.split(" ", n = 1, expand = True)
separador = separador[0].astype(str).str.split("-", n = 3, expand = True)
tabla_final_uce["Año"]= separador[0]
tabla_final_uce["Mes"]= separador[1]
tabla_final_uce["Dia"]= separador[2]
separador = tabla_final_uce['dateTimeLine'].astype(str).str.split(" ", n = 1, expand = True)
separador = separador[1].astype(str).str.split(":", n = 2, expand = True)
tabla_final_uce["Hora"]= separador[0]
tabla_final_uce["Minuto"]= separador[1]
separador = separador[2].astype(str).str.split(".", n = 2, expand = True)
tabla_final_uce["Segundo"]= separador[0]
tabla_final_uce.drop(columns =["dateTimeLine"], inplace = True)
#Etiquetar con el nombre del dia de la semana
for i in range(0,len(tabla_final_uce)):
dia = int(tabla_final_uce["Dia"][i])
mes = int(tabla_final_uce["Mes"][i])
year = int(tabla_final_uce["Año"][i])
a = (14 - mes) // 12
y = year - a
m = mes + 12 * a - 2
d = (dia + year + (year//4) - (year//100) + (year//400) + ((31 * m)//12)) % 7
if d == 0:
diaSemana = 'Domingo'
elif d == 1:
diaSemana = 'Lunes'
elif d == 2:
diaSemana = 'Martes'
elif d == 3:
diaSemana = 'Miércoles'
elif d == 4:
diaSemana = 'Jueves'
elif d == 5:
diaSemana = 'Viernes'
else:
diaSemana = 'Sábado'
Nombre_Dia.append(diaSemana)
tabla_final_uce["Ndia"]= Nombre_Dia
#Guardar dataframe en un archivo dat
tabla_final_uce.to_csv(directorio_salida+archivo_salida)
#tabla_cargada = pd.read_table(directorio_salida+archivo_salida, sep=",")